Konstantin Kirchheim
M.Sc. Konstantin Kirchheim
Chair of Software Engineering (CSE)
I studied Computer Systems in Engineering (with specializations in process- as well as electrical engineering) at the Otto von Guericke University and graduated in 2020 with an MSc in Computer Science.
From 2018-2019, I worked as technical research assistant at the Chair of Production Systems and Automation at the IAF (OvGU), where I contributed to a platform that aims to integrate the artifacts of different engineering disciplines throughout the life cycle of a production system .
Since March 2020, I am a machine learning researcher at the Chair of Software- and Systems Engineering at Otto-von-Guericke University.
My current research projects are concerned with ensuring the safety of machine learning systems in the railway domain, applying AI for geospatial analysis, and computer vision in general.
2023
Book chapter
Evaluating and increasing segmentation robustness in CARLA
Thirugnana Sambandham, Venkatesh; Kirchheim, Konstantin; Ortmeier, Frank
In: Computer Safety, Reliability, and Security. SAFECOMP 2023 Workshops , 1st ed. 2023. - Cham : Springer Nature Switzerland ; Guiochet, Jérémie, S. 390-396 - (Lecture notes in computer science; volume 14182) [Konferenz: International Conference on Computer Safety, Reliability, and Security, SAFECOMP, Toulouse, France, September 19, 2023]
Promoting reproducibility of research results in international events (report from the RRPR)
Kerautret, B.; Kirchheim, Konstantin; Lopresti, D.; Ngo, P.; Tomaszewska, P.
In: Reproducible Research in Pattern Recognition , 1st ed. 2023. - Cham : Springer Nature Switzerland ; Kerautret, Bertrand, S. 111-123 - (Lecture notes in computer science; volume 14068) [Workshop: Fourth International Workshop on Reproducible Research in Pattern Recognition, RRPR 2022, Montreal, Canada, August 21, 2022]
Overall Markov diagram design and simulation example for scalable safety analysis of autonomous vehicles
Häring, Ivo; Mopuru, Sunil Kumar Reddy; Walz, Teo Puig; Dhanani, Mayur; Sandela, Nikhilesh; Finger, Jörg; Vogelbacher, Georg; Höflinger, Fabian; Jain, Aishvarya Kumar; Richter, Alexander; Kirchheim, Konstantin
In: European Conference on Safety and Reliability (ESREL), 3rd September - 7th September 2023, insges. 8 S. [Konferenz: 33rd European Safety and Reliability Conference (ESREL 2023), Southampton, UK, 3 - 8 September 2023]
On challenging aspects of reproducibility in deep anomaly detection
Kirchheim, Konstantin; Filax, Marco; Ortmeier, Frank
In: Reproducible Research in Pattern Recognition , 1st ed. 2023. - Cham : Springer Nature Switzerland ; Kerautret, Bertrand, S. 57-66 - (Lecture notes in computer science; volume 14068) [Workshop: Fourth International Workshop on Reproducible Research in Pattern Recognition, RRPR 2022, Montreal, Canada, August 21, 2022]
Dynamically resolving and abstracting Markov models for system resilience analysis
Häring, Ivo; Sandela, Nikhilesh; Walz, Teo Puig; Vogelbacher, Georg; Richter, Alexander; Jain, Aishvarya Kumar; Dhanani, Mayur; Mopuru, Sunil Kumar Reddy; Kirchheim, Konstantin; Höflinger, Fabian; Finger, Jörg
In: European Conference on Safety and Reliability (ESREL), 3rd September - 7th September 2023, insges. 8 S. [Konferenz: 33rd European Safety and Reliability Conference (ESREL 2023), Southampton, UK, 3 - 8 September 2023]
Towards deep anomaly detection with structured knowledge representations
Kirchheim, Konstantin
In: Computer Safety, Reliability, and Security. SAFECOMP 2023 Workshops , 1st ed. 2023. - Cham : Springer Nature Switzerland ; Guiochet, Jérémie, S. 382-389 - (Lecture notes in computer science; volume 14182) [Konferenz: International Conference on Computer Safety, Reliability, and Security, SAFECOMP, Toulouse, France, September 19, 2023]
Measuring the robustness of ML models against data quality issues in industrial time series data
Dix, Marcel; Manca, Gianluca; Okafor, Kenneth Chigozie; Borrison, Reuben; Kirchheim, Konstantin; Sharma, Divyasheel; Chandrika, Kr; Maduskar, Deepti; Ortmeier, Frank
In: 2023 IEEE 21st International Conference on Industrial Informatics / IEEE International Conference on Industrial Informatics , 2023 - [Piscataway, NJ] : IEEE ; Jasperneite, Jürgen, insges. 8 S. [Konferenz: IEEE 21st International Conference on Industrial Informatics, INDIN, Lemgo, Deutschland, 18 - 20 July 2023]
2022
Book chapter
High speed RCS for robot task sequencing optimization
Schillreff, Nadia; Scholle, Julian Benedikt; Kirchheim, Konstantin; Ortmeier, Frank
In: 54th International Symposium on Robotics , 2022 - Berlin : VDE VERLAG, S. 136-141 [Symposium: 54th International Symposium on Robotics, ISR Europe 2022, Munich, Germany, 20-21 June 2022]
PyTorch-OOD - a library for Out-of-Distribution Detection based on PyTorch
Kirchheim, Konstantin; Filax, Marco; Ortmeier, Frank
In: 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition workshops / IEEE/CVF Computer Vision and Pattern Recognition Conference , 2022 - Piscataway, NJ : IEEE, S. 4350-4359 [Konferenz: IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops, CVPRW, Orleans, LA, USA, 19-20 June 2022]
Multi-class hypersphere anomaly detection
Kirchheim, Konstantin; Filax, Marco; Ortmeier, Frank
In: 2022 26th International Conference on Pattern Recognition (ICPR) , 2022 - [Piscataway, NJ] : IEEE, insges. 7 S. [Konferenz: 26th International Conference on Pattern Recognition, ICPR, Montreal, QC, Canada, 21-25 August 2022]
Peer-reviewed journal article
Social Work Research Map – ein niederschwelliger Zugang zu internationalen Publikationen der Sozialen Arbeit
Ghanem, Christian; Kirchheim, Konstantin; Eckl, Markus
In: Soziale Passagen - Wiesbaden : VS, Verl. für Sozialwissenschaften/GWV-Fachverl., Bd. 14 (2022), Heft 2, S. 475-484
2020
Peer-reviewed journal article
Multi-dimensional failure modeling for shared data in cooperative systems
Jäger, Georg; Kirchheim, Konstantin; Schrödel, Frank; Zug, Sebastian
In: IFAC-PapersOnLine / Internationale Förderung für Automatische Lenkung - Frankfurt : Elsevier, Bd. 53 (2020), S. 15461-15468
Data-Mining als Werkzeug empirischer Sozialforschung
Kirchheim, Konstantin
In: Sozial extra - Wiesbaden : VS Verl. für Sozialwissenschaften, Bd. 44 (2020), S. 285-290
2019
Book chapter
Multi-disciplinary engineering of production systems - challenges for quality of control software
Lüder, Arndt; Pauly, Johanna-Lisa; Kirchheim, Konstantin
In: Software Quality: The Complexity and Challenges of Software Engineering and Software Quality in the Cloud - Cham : Springer International Publishing . - 2019, S. 3-13 [Konferenz: 11th International Conference, SWQD 2019, Vienna, Austria, January 15-18 2019]
Supporting the data model integrator in an engineering network by automating data integration
Lüder, Arndt; Kirchheim, Konstantin; Pauly, Johanna-Lisa; Biffl, Stefan; Waltersdorfer, Laura
In: IEEE Xplore digital library / Institute of Electrical and Electronics Engineers - New York, NY : IEEE . - 2019, S. 1229-1234 [Konferenz: 2019 IEEE 17th International Conference on Industrial Informatics (INDIN), 22-25 July 2019, Helsinki, Finland]
Supporting the data model integrator in an engineering network by automating data integration
Luder, Arndt; Kirchheim, Konstantin; Pauly, Johanna-Lisa; Biffl, Stefan; Rinker, Felix; Waltersdorfer, Laura
In: 2019 IEEE 17th International Conference on Industrial Informatics (INDIN) / IEEE International Conference on Industrial Informatics , 2019 - Piscataway, NJ : IEEE, insges. 6 S. [Konferenz: 17th International Conference on Industrial Informatics, INDIN, Helsinki, Finland, 22-25 July 2019]
2018
Book chapter
Towards Smart Factory - Multi-Agent integration on industrial standards for service-oriented communication and semantic data exchange
Rosendahl, Ronald; Calà, Ambra; Kirchheim, Konstantin; Lüder, Arndt; D'Agostino, Nikolai
In: WOA 2018, 19th Workshop "From Objects to Agents" - Aachen, Germany : RWTH Aachen ; Workshop "From Objects to Agents" (19.:2018), S. 124-132 [Konferenz: WOA 2018]
Peer-reviewed journal article
Model-based generation of run-time data collection systems exploiting AutomationML
Mazak, Alexandra; Lüder, Arndt; Wolny, Sabine; Wimmer, Manuel; Winkler, Dietmar; Kirchheim, Konstantin; Rosendahl, Ronald; Bayanifar, Hessamedin; Biffl, Stefan
In: Automatisierungstechnik - Berlin : De Gruyter, Bd. 66 (2018), Heft 10, S. 819-833
Current projects
SafeTrAIn: Sichere KI am Beispiel fahrerloser Regionalzug
Duration: 01.01.2022 bis 31.12.2024
Für einen klimaneutralen und attraktiven Verkehrsmix ist der Betrieb des Schienenverkehrs mit höchsten Automatisierungsstufen (GoA4) ein wesentlicher Bestandteil. Nach Stand der Technik kann dieses Ziel in den vorherrschenden komplexen Umgebungen durch klassische Automatisierungstechnologien allein nicht gelöst werden. Andererseits gibt es bei der Entwicklung von Technologien im Bereich des hochautomatisierten Fahrens (auf Straße & Schiene) bemerkenswerte Fortschritte, die auf der Leistungsfähigkeit von Künstlicher Intelligenz (KI) basieren. Eine wesentliche ungelöste Herausforderung ist dabei die Verknüpfung der KI-Verfahren mit den Anforderungen und Zulassungsprozessen im Bahnumfeld. In dieser Skizze beschreibt ein Konsortium aus Schienenindustrie, Technologiezuliefern, Forschungseinrichtungen sowie Normungs- und Prüforganisationen ein gemeinschaftliches Vorhaben, um die Möglichkeiten von KI mit den Sicherheitsbetrachtungen des Schienen- verkehrs zu verbinden und eine Lösung am Beispiel des fahrerlosen Regionalzugs praktikabel umzusetzen. Basierend auf den Anforderungen an die Sicherheitsnachweisführung werden Prüfmethoden und -werkzeuge für KI-basierte Methoden erforscht. Es wird eine Sicherheitsarchitektur am Beispiel des fahrerlosen Regionalzugs konkretisiert und ein GoA4-System für diesen Anwendungsfall in einem virtuellen Testfeld konzeptionell entwickelt und validiert. Arbeiten aus verwandten Industrien werden aufgegriffen.
Completed projects
SBA-K1 COMET Zentrum interacting Cristian Doppler Lab Lecurity and Quality Improvement in the Production System Lifecycle (CDL-SQI)
Duration: 01.04.2018 bis 31.03.2023
Entwurfsprozesse für Produktionssysteme sind durch Ingenieursleistungen charakterisiert, an denen unterschiedlichste Ingenieursdisziplinen mit für diese spezialisierten Entwurfswerkzeugen beteiligt sind und in deren Rahmen unterschiedlichste Entwurfsergebnisse zwischen diesen Entwurfswerkzeugen konsistent ausgetauscht werden müssen. Bisher sind für diesen Informationsaustausch unterschiedliche Technologien entstanden, die verschiedene Anforderungen des Datenaustausches zum Beispiel hinsichtlich Informationsstrukturierung, Informationssicherheit und Informationskonsistenz erfüllen können.
Ziel des Projektes ist es, einige dieser Technologien in einem gemeinsamen Szenario zusammen zu führen und anwendenden Unternehmen zu ermöglichen, ihre Entwurfsprozesse schrittweise an die Nutzung dieser Technologiemenge anzupassen. Besondere Bedeutung wird dabei das international standardisierte Datenaustauschformt AutomationML (nach IEC 62714) besitzen.
Fördergeber
- Österreichischer Bund
Kooperationen
- Technische Universität Wien
- SMS Group
- STIWA Group
Entwicklung von Technologien für intelligente, kollaborative, interaktive Displays für den Outdoor-Bereich (i-Display)
Duration: 01.01.2019 bis 30.04.2022
In diesem Projekt sollen eine Stele entwickelt werden, die a) sowohl Indoor als auch Outdoor einsetzbar ist, die b) Nutzerinteraktionen erlaubt - im Besonderen solche die über reine Touch-Gesten hinausgehen - und die c) durch Vernetzung und Kollaboration mit anderen Stelen Kontext- und Historie-abhängig Information darstellen kann.
Im Outdoorbereich sind die Stelen starken Temperatur-, Feuchtigkeits- und Luftdruckschwankungen ausgesetzt (an einem Tag bis zu 50°C Differenz). Dies erfordert besonders abgehärtete IT und Sensorik. Durch unterschiedlichste zu erwartende Lichtverhältnisse, sind ggf. Wetter-/Kontext abhängig Darstellungen von Information und Interaktionsmetaphern notwendig.
Für Nutzerinteraktion existieren konzeptionell vielfältige Metaphern - von Sprache über Gesten bis hin zu biometrischen Signalen. Für die Stelen stellen sich hier besondere Herausforderungen durch die Wetterlage, die potenziell großen Mengen schnell wechselnder Betrachter und natürlich des Datenschutzes.
Zur Kollaboration ist es notwendig, dass die Stelen Informationen miteinander austauschen und in Korrelation setzen können. Dazu muss beispielsweise ein gemeinsames Bild der Umgebungen (z.B. wo steht welche Stele, wer steht wo) erstellt werden. Im Besonderen für die Historie-abhängige Darstellung spielt der Datenschutz eine essenzielle Rolle, da es sich hier oft um Nutzer-bezogene Daten handelt und gleichzeitig nicht einfach zu entscheiden ist, wer gerade mit der Stele interagiert.
ObViewSly 4.0 - Objektextraktion aus 3D-Massendaten der Geoinformation
Duration: 07.05.2019 bis 30.04.2022
Ziel des Projektes "ObViewSly 4.0" ist die Entwicklung einer neuartigen Methode zur semiautomatischen, interaktiven Ableitung von 3D-Geodatenprodukten aus Luftbildern.
Dabei soll dem Anwender die Möglichkeit gegeben werden, einfach und schnell 3D-Objekte aus Massendaten abzuleiten. Ein illustrierendes Beispiel zeigen die Abbildung 1 bis 3. Nach einer vorläufigen Marktrecherche ist ein solches Softwaresystem derzeit nicht verfügbar. Darüber hinaus soll eine automatische, flächenbezogene Ableitung von 3D-Geodatenprodukten erreicht werden, ohne dass Benutzerinteraktionen notwendig sind.
Die Markteinführung dieses Produktes soll in verschiedenen Schritten, je nach Versionsstand und Einsatzfähigkeit erfolgen. Folgende Teilziele sind in diesem Projekt vorgesehen:
Deep Learning systems have shown remarkable performance across a wide range of tasks in various domains, including computer vision and natural language processing. Despite these successes, recent theoretical studies and high-profile incidents, such as accidents involving self-driving vehicles, have highlighted that Deep Learning models can sometimes fail unexpectedly and without apparent cause.
To ensure that artificial neural networks are suitable for use in safety-critical systems, such as autonomous vehicles or industrial manufacturing process controls, their reliability must be enhanced and, ideally, verified.
Our research primarily focuses on Anomaly Detection and Out-of-Distribution Detection. These areas involve developing methods to evaluate a model's ability to make accurate predictions. We are dedicated to exploring various techniques to assess and improve the confidence in the predictions made by artificial neural networks, aiming to equip these systems with the capacity to fail gracefully.
For further inquiries, please feel free to contact Konstantin Kirchheim.